[发明专利]胎儿超声图像智能目标检测的并行处理方法和装置

权利要求书

1.一种胎儿超声图像智能目标检测的并行处理方法，其特征在于，所述方法包括：

获取胎儿超声扫描过程中得到的检测帧数据；所述检测帧数据为获取的连续胎儿超声切面图像；

对所述检测帧数据进行预处理操作，得到预处理检测帧数据；

将所述预处理检测帧数据与已识别的基准帧数据进行相似度比较，得到相似度结果；所述基准帧数据为已识别的检测帧数据；

若所述相似度结果大于预设阈值，则将已存储的所述基准帧数据的识别结果作为所述检测帧数据的识别结果，得到所述检测帧数据中所包含目标的类别和位置；

若所述相似度结果小于所述预设阈值，基于训练好的深度卷积神经网络模型，根据所述预处理检测帧数据和所述基准帧数据，对所述深度卷积神经网络模型中所有卷积层的输入数据和输出数据进行相应处理，以得到所述检测帧数据的识别结果；

所述方法还包括：

将所述检测帧数据作为更新的基准帧数据，存储更新的所述基准帧数据的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述将所述预处理检测帧数据与已识别的基准帧数据进行相似度比较，得到相似度结果，包括：

对所述预处理检测帧数据进行处理，得到预设大小的检测帧数据矩阵；

将所述检测帧数据矩阵和已存储的基准帧数据矩阵进行相减处理，得到相似度矩阵；

根据所述相似度矩阵，确定相似度结果。

3.根据权利要求1所述的方法，其特征在于，所述若所述相似度结果小于所述预设阈值，基于训练好的深度卷积神经网络模型，根据所述预处理检测帧数据和所述基准帧数据，对所述深度卷积神经网络模型中所有卷积层的输入数据和输出数据进行相应处理，以得到所述检测帧数据的识别结果，包括：

将所述预处理检测帧数据输入训练好的深度卷积神经网络模型后，将所述预处理检测帧数据在当前卷积层的输入数据与所述基准帧数据在所述当前卷积层的输入数据进行矩阵相减处理，得到当前卷积层的最终输入数据；

将所述最终输入数据输入所述当前卷积层后，得到所述当前卷积层的初步输出数据，将所述初步输出数据与所述基准帧数据在所述当前卷积层的输出数据进行矩阵相加处理，作为所述预处理检测帧数据在所述当前卷积层的最终输出数据。

4.根据权利要求1所述的方法，其特征在于，所述对所述检测帧数据进行预处理操作，得到预处理检测帧数据，包括：

对所述检测帧数据进行归一化处理，得到归一化后的图像；

对所述归一化后的图像进行灰度化处理，得到预处理检测帧数据。

5.根据权利要求1所述的方法，其特征在于，所述将所述预处理检测帧数据与已识别的基准帧数据进行相似度比较，得到相似度结果，包括：

同时将多帧预处理检测帧数据与所述已识别的基准帧数据进行相似度比较，并行处理后得到所述多帧预处理检测帧数据对应的相似度结果。

6.一种胎儿超声图像智能目标检测的并行处理装置，其特征在于，所述装置包括：

检测帧数据获取模块，用于获取胎儿超声扫描过程中得到的检测帧数据；所述检测帧数据为获取的连续胎儿超声切面图像；

预处理模块，用于对所述检测帧数据进行预处理操作，得到预处理检测帧数据；

相似度检测模块，用于将所述预处理检测帧数据与基准帧数据进行相似度比较，得到相似度结果；所述基准帧数据为已识别的检测帧数据；

识别结果输出模块，用于比较所述相似度结果和预设阈值，若所述相似度结果值大于所述预设阈值，则将预存储的所述基准帧数据的识别结果作为所述检测帧数据的识别结果，得到所述检测帧数据中所包含目标的类别和位置；若所述相似度结果小于所述预设阈值，基于训练好的深度卷积神经网络模型，根据所述预处理检测帧数据和所述基准帧数据，对所述深度卷积神经网络模型中所有卷积层的输入数据和输出数据进行相应处理，以得到所述检测帧数据的识别结果；

所述识别结果输出模块，还用于将所述检测帧数据作为更新的基准帧数据，存储更新的所述基准帧数据的识别结果。